买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学;浙江开浦科技有限公司申请的专利超像素特征驱动的柑橘表面缺陷分割方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118429630B 。

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410326457.5，技术领域涉及：G06V10/26；该发明授权超像素特征驱动的柑橘表面缺陷分割方法是由饶秀勤;许旭锋;徐涛;朱逸航;应义斌;徐惠荣设计研发完成，并于2024-03-21向国家知识产权局提交的专利申请。

本超像素特征驱动的柑橘表面缺陷分割方法在说明书摘要公布了：本发明公开了一种超像素特征驱动的柑橘表面缺陷分割方法。方法包括：将柑橘样品图像输入到以Unet模型为基准模型构建的柑橘表面缺陷分割模型中生成预测标签，根据柑橘样品图像对应的真实标签和预测标签构建损失函数后，对柑橘表面缺陷分割模型进行训练；将待测柑橘样品图像输入到训练好的柑橘表面缺陷分割模型，得到待测柑橘样品分割结果图像。本发明通过生成多尺度超像素来聚合图像中不同尺度目标的关键特征，形成区域特征提高模型对于目标关键特征的学习，并利用超像素网格对于目标边界的捕获能力，用于约束预测标签的边界误差，从而提高模型分割能力实现柑橘表面缺陷的准确分割，为柑橘品质评估及分选提供可靠的基础。

本发明授权超像素特征驱动的柑橘表面缺陷分割方法在权利要求书中公布了：1.一种超像素特征驱动的柑橘表面缺陷分割方法，其特征在于：方法包括以下步骤： 1采集柑橘样品图像，对柑橘样品图像进行图像数据增强处理，对图像数据增强处理后的柑橘样品图像中柑橘的表面缺陷、果梗和果脐进行标注，得到柑橘表面缺陷数据集； 2针对柑橘表面缺陷数据集，构建柑橘表面缺陷分割模型； 3将柑橘表面缺陷数据集中的柑橘样品图像输入到柑橘表面缺陷分割模型中，生成柑橘样品图像的预测标签，根据柑橘表面缺陷数据集中的柑橘样品图像对应的真实标签和柑橘样品图像的预测标签构建损失函数LSP后，对柑橘表面缺陷分割模型进行训练； 4将待测柑橘样品图像输入到训练好的柑橘表面缺陷分割模型中，得到待测柑橘样品的分割结果图像； 所述步骤2具体为： 2.1针对柑橘表面缺陷数据集中的柑橘样品图像，采用简单线性迭代聚类方法在每张柑橘样品图像中生成三种网格尺度依次由大到小的超像素网格图； 2.2针对生成的三种网格尺度的超像素网格图以Unet模型为基准模型构建柑橘表面缺陷分割模型； 所述步骤3中，损失函数LSP的构建如下： LSP＝LS+LDice+LFocal 其中，Ldice为Dice损失函数，LFocal为FocalLoss损失函数，Ls为超像素边界误差损失函数，Pi和Gi分别表示柑橘表面缺陷分割模型的预测标签和真实标签，i为目标类别索引，c为用于迭代所有像素的值，N为总类别数，ɑ和γ分别表示用于控制易于分类像素的类权重和加权程度，gi，c表示真实标签的one-hot编码，pi，c为每个类的预测值矩阵； AreaError为超像素网格的总误差值，具体按照以下方法进行计算：根据所述步骤2.1得到的最小尺寸的超像素网格图，设定超像素网格内预测标签像素点个数的最大阈值M和最小阈值N后，对每个超像素网格的误差值进行判定： 当超像素网格内预测标签的像素点个数大于最小阈值N且小于最大阈值M时，计算超像素网格内的除预测标签外的像素点的个数作为超像素网格的误差值；当超像素网格内预测标签的像素点个数大于等于最大阈值M或小于等于最小阈值N时，超像素网格的误差值为零；最后将所有超像素网格的误差值之和作为超像素网格的总误差值； AreaGT为超像素网格图真实标签像素点个数之和。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学;浙江开浦科技有限公司，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。